JP3696245B2 - Command system for power plant equipment - Google Patents

Command system for power plant equipment Download PDF

Info

Publication number
JP3696245B2
JP3696245B2 JP50404696A JP50404696A JP3696245B2 JP 3696245 B2 JP3696245 B2 JP 3696245B2 JP 50404696 A JP50404696 A JP 50404696A JP 50404696 A JP50404696 A JP 50404696A JP 3696245 B2 JP3696245 B2 JP 3696245B2
Authority
JP
Japan
Prior art keywords
power plant
optimization
command
block
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP50404696A
Other languages
Japanese (ja)
Other versions
JPH10502476A (en
Inventor
ヒラーマイヤー、クラウス
ヘーフエルト、マルクス
ゲーベルト、ルードルフ
グリユーン、ミヒアエル
ツエルナー、ワルター
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of JPH10502476A publication Critical patent/JPH10502476A/en
Application granted granted Critical
Publication of JP3696245B2 publication Critical patent/JP3696245B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)
  • Devices For Conveying Motion By Means Of Endless Flexible Members (AREA)
  • Paper (AREA)
  • Control Of Water Turbines (AREA)

Abstract

In the control of a power station installation having a number of power station blocks, in which each power station block is controlled by using at least one reference variable, it is intended to permit reliable determination of especially favorable reference variables while also taking the current installation condition into account. To this end, a management system for the power station installation includes a computer unit which determines reference variables for the power station block or for each of the power station blocks through the use of a genetic algorithm, and an optimization module which is connected to the computer unit. The optimization module is connected to a number of neural networks and one neural network is assigned to each power station block.

Description

本発明は、複数の発電所ブロックを有する発電所設備に対する指令システムに関する。
複数の発電所ブロックを有する発電所設備の運転の際には一般に各構成要素が指令量ｎにより制御される。指令量はその際設備にとって重要な運転パラメータに基づいており、一般に複数の副次的条件に関係している。たとえば、複数の発電所ブロックを有する発電所設備は、各発電所ブロックに指令量として目標負荷値が供給されることによって制御される。その場合副次的条件として一般に、発電所ブロックに供給されるすべての目標負荷値の和が許容範囲内で全目標負荷値に等しいという条件が満たされていなければならない。これは電力系統要求として需要家から予め与えられる。
その際発電所設備の特に経済的または特に効率的な運転のために、構成要素を制御するため選ばれる指令量ｎを複数の規範に関して最適化することが必要なことがあり得る。たとえば、形式または作用に関して同種または異種であってよい２つまたはそれ以上の発電所ブロックを有する発電所設備を特に経済的に、また特に高い効率で運転し得るためには、発電所設備から需要家に供給すべき全電力が負荷分配の枠内で、必要な燃料消費が全体として特に低いように、かつ（または）熱またはプロセス蒸気が特に有効に分離され得るように、発電所ブロックに分配されなければならない。そのために各発電所ブロックに対して指令量として定格負荷が求められる。各発電所ブロックはブロックに対して求められた定格負荷により制御される。
発電所ブロックを制御するためのこのような指令量は一般に発電所オペレータにより経験的に求められ、従ってオペレータの経験に強く関係している。指令量を求めるための既存の自動化されたシステムは、高い計算費用に基づき、発電所ブロックから供給される電力と、供給すべき遠隔熱出力と、プロセス蒸気質量流量と、一般に燃料消費に比例している発電所ブロックに供給すべき熱的仕事率との間の機能的関係の線形化によっている。しかし、機能的関係のこの線形化に基づいて、このようなシステムのなかで進行する計算方法は不正確である。さらに、指令量を求める際にたとえば熱交換器の故障のような実際の設備状態を考慮に入れることは一般に不可能である。
従って、本発明の課題は、複数の発電所ブロックを有する発電所設備に対する指令システムであって、各発電所ブロックに対する特に望ましい指令量を確実に求める指令システムを提供することである。
この課題は、本発明によれば、ジェネティックアルゴリズム（遺伝的アルゴリズム）により発電所ブロックまたは各発電所ブロックに対する指令量を求める計算機モジュールと、計算機モジュールと接続されかつ複数のニューロン回路網と接続されている最適化モジュールとを含んでおり、各構成要素にニューロン回路網が対応付けられていることにより解決される。
ジェネティックアルゴリズムは印刷物ジェイ、ハイスタマン（J.Heistermann）著「ジェネティック アルゴリズム（Genetische Algorithmen）」トイプナー（Teubner）出版、シュツットガルト、１９９４年に詳細に説明されている。
計算機モジュールが各発電所ブロックに対する指令量として、予め定め得る時間間隔に対して全体としてカバーすべき定格負荷へのその電力分担に対する目標値を決定することは目的にかなっている。
各発電所ブロックに対する指令量を特に正確にわずかな計算費用で求めるため、最適化モジュールが、ニューロン回路網と接続されている粗最適化段即ち最適化精度の低い最適化段に加えて精最適化段即ち最適化精度の高い最適化段を含んでいることは有利である。
別の有利な構成では、精最適化段が解析的なプロセスシミュレーションを実行するために構成されている。プロセスシミュレーションはその際に、発電所ブロックから出力される電力と供給すべき熱的仕事率との間の非線形の相関をも効率に関して考慮に入れることができる。
指令量を求める際にジェネティックアルゴリズムを特に有効に使用するため、ジェネティックアルゴリズムに対する出発値を発生するための別のニューロン回路網が設けられていることは目的にかなっている。これは設備にとって重要な知識を考慮に入れてジェネティックアルゴリズムに対する入力値を求める。こうして、先に指令量を求めた結果が比較可能な設備状態において、または実際の設備状態からずれた設備状態においても、実際の指令量を求めるために利用可能である。それにより指令量を求めるための計算時間費用を特にわずかに保つことができ、発電所設備に対するこのような指令システムは特にフレキシブルである。
本発明により得られる利点は特に、発電所設備の構成要素に対する指令量を求めるためにジェネティックアルゴリズムを使用することにより高い精度が達成可能であることにある。特にジェネティックアルゴリズムとプロセスシミュレーションとの組み合わせにより指令量が非常に正確に、確実に、また迅速に、すなわちわずかな計算費用で求められ得る。その際特に最適化モジュールが粗最適化段および精最適化段に分割されていることは目的にかなっている。
本発明の実施例を図面により詳細に説明する。図面には発電所設備に対する指令システムの概要が示されている。
図面に示す指令システム１は、データ線４を経て最適化モジュール６のインタフェース５と接続されている計算機モジュール２を含んでいる。最適化モジュール６は粗最適化段８およびこれと導線９を経て接続されている精最適化段１０を含んでおり、両最適化段はデータ線１２、１４を介してインタフェース５に接続されている。
計算機モジュール２はさらにデータ線２０を介して詳細には図示されていない発電所設備の発電所ブロック２５と接続されている。発電所ブロックのうち図面には３つが示されている。各発電所ブロック２５はデータ線３０を介してそれに対応付けられているニューロン回路網３２と接続されており、ニューロン回路網はデータ線３４を介して最適化モジュール６の粗最適化段８に接続されている。計算機モジュール２はさらにデータ線３６を介して別のニューロン回路網３８と接続されている。
発電所設備の運転の際に発電所ブロック２５は、各発電所ブロック２５に指令システム１からデータ線２０を介して指令量Ｆとして目標負荷値または定格負荷値が供給されることによって制御される。しかしそれとは異なり、指令システム１から求められた指令量Ｆは発電所設備のオペレータに通知され、次いで操作量として手動で発電所ブロック２５に伝達されてもよい。その際に目標負荷値は、それらの和が需要家から要求される全負荷に等しくなければならないという副次的条件の基礎になっている。発電所ブロックの目標負荷値または定格負荷値は電力、熱的仕事率および（または）プロセス蒸気であってよい。発電所設備の経済的な運転のために発電所ブロック２５は、それらの全燃料消費が可能なかぎりわずかであるように制御されるべきである。
各発電所ブロック２５に供給すべき指令量Ｆは指令システム１からジェネティックアルゴリズムによる最適化により求められる。その際に各発電所ブロック２５の開閉状態“入り”又は“切り”を時間間隔の関数として記述する使用プランがインディビデュアルとして解釈される。計画時間、たとえば一日が複数の時間間隔、たとえば時間に分割され、それらのなかでは各発電所ブロック２５の定格負荷はそれぞれ一定である。使用プランは計算機モジュール２のなかでマトリックスの形態で解析され、その行はそれぞれ発電所ブロック２５に対応付けられており、その列はそれぞれ時間間隔に対応付けられている。
個々の発電所ブロック２５に対する入り／切り回路のマトリックスは使用プラン−インディビデュアルのジェネティックコードとしての役割をする。計算機モジュール２は使用プランインディビデュアルの各時間間隔に対して各発電所ブロック２５の開閉状態“入り”又は“切り”をインタフェース５を介して最適化モジュール６に伝達する。
最適化モジュール６はその次に、最もわずかな熱的全出力を供給すべき開閉状態“入り”を有する発電所ブロック２５への予め定められた定格負荷の分割を求める。そのために粗最適化段８のなかで先ず粗最適化がそれ自体既知の最適化アルゴリズムに基づいて行われる。その際に、粗最適化段８と接続されている各々のニューロン回路網３２はそれに対応付けられている発電所ブロック２５の挙動をシミュレートする。ニューロンアーキテクチュアとして多層のバックプロパゲーション・パーセプトロンが基礎となっている。さらに、各ニューロン回路網３２にデータ線３０を介して測定量Ｍが供給され、この測定量はこれに対応付けられている発電所ブロック２５の実際の状態を特徴付ける。さらに、このニューロン回路網３２により先のシミュレーションの結果も考慮に入れられ得る。
この粗最適化の結果ＧＲはデータ線９を介して精最適化段１０に伝達される。精最適化段１０においてこれらの結果ＧＲは解析的なプロセスシミュレーションにより精最適化され、その際に特に、たとえば電力、遠隔熱的仕事率、プロセス蒸気質流量および供給すべき熱的仕事率のような重要なプロセスパラメータの間の非線形な相関も考慮されている。こうして瞬時最適化の形式で得られた結果ＦＲはインタフェース５に供給され、そこから計算機モジュール２に伝達される。
計算機モジュール２において使用プランインディビデュアルの各時間間隔に対する結果ＦＲによりこの使用プランインディビデュアルのフィットネスが評価され、その際に特に隣接する時間間隔の間の相関も考慮される。そのために、たとえば、各発電所ブロック２５に供給すべき熱出力が各時間間隔にわたり加算され得る。さらに、発電所ブロックの始動または停止に対する、または効率損失に対する付加的に供給すべき熱的仕事率がその他の周辺条件に基づいて、別に考慮される。使用プランのポプュレーションの初期化の際および再結合のためのインディビデュアルの選択の際ならびにインディビデュアルの新しい世代による古い世代の置換の際に、ジェネティックアルゴリズムの標準方法が使用される。ジェネティックアルゴリズムの反復ステップの連続が矢印ＧＡにより示されている。例えば発電所設備から供給すべき全電力、すなわち発電所ブロック２５から供給すべき電力の和のような副次的条件がその際に同じく考慮に入れられている。
発電所設備の予め定め得る全電力に対して発電所ブロック２５に対する指令量Ｆを求めた結果はさらにデータ線３６を介してニューロン回路網３８に伝達され、そこに格納される。発電所ブロック２５に対する指令量Ｆを新たに求める際に、これらの情報が特に望ましい出発値ＳＷの発生のために利用され、これらの出発値がデータ線３６を介してジェネティックアルゴリズの初期化のために計算機モジュール２に伝達される。この仕方でより早くに得られた結果が利用可能であり、従って計算時間が節減される。
さらに、指令システム１において各発電所ブロック２５に対する指令量Ｆが多数の周辺条件をも考慮に入れて特にわずかな計算費用で求められ得る。それにより初めて、実際の設備状態が考慮に入れられ得るように短い時間のうちに指令量Ｆを求めることが可能になる。The present invention relates to a command system for power plant equipment having a plurality of power plant blocks.
When operating a power plant facility having a plurality of power plant blocks, each component is generally controlled by a command amount n. The command quantity is then based on operating parameters that are important to the facility and is generally related to a number of secondary conditions. For example, a power plant facility having a plurality of power plant blocks is controlled by supplying a target load value as a command amount to each power plant block. In that case, as a secondary condition, in general, the condition that the sum of all target load values supplied to the power plant block is equal to all target load values within an allowable range must be satisfied. This is given in advance by the customer as a power system requirement.
In so doing, it may be necessary to optimize the command quantity n chosen for controlling the components with respect to several criteria for particularly economical or particularly efficient operation of the power plant installation. For example, in order to be able to operate a power plant installation with two or more power plant blocks that may be of the same or different type or function, particularly economically and with particularly high efficiency, Distribute to the power plant block so that the total power to be supplied to the house is within the load distribution framework, so that the required fuel consumption as a whole is particularly low and / or heat or process steam can be separated particularly effectively It must be. Therefore, a rated load is required as a command amount for each power plant block. Each power plant block is controlled by the rated load determined for the block.
Such command quantities for controlling the power plant block are generally determined empirically by the power plant operator and are therefore strongly related to the experience of the operator. Existing automated systems for determining command quantities are based on high computational costs and are proportional to the power supplied from the power plant block, the remote heat output to be supplied, the process steam mass flow, and generally the fuel consumption. By linearizing the functional relationship between the thermal power to be supplied to the power plant block. However, based on this linearization of functional relationships, the computational methods that proceed in such systems are inaccurate. Furthermore, it is generally impossible to take into account actual equipment conditions such as heat exchanger failures when determining the command quantity.
Accordingly, an object of the present invention is to provide a command system for a power plant facility having a plurality of power plant blocks, which reliably obtains a particularly desirable command amount for each power plant block.
According to the present invention, according to the present invention, a computer module for obtaining a power plant block or a command amount for each power plant block by a genetic algorithm (genetic algorithm), and a computer module connected to a plurality of neuron networks This is solved by the fact that each component is associated with a neuron network.
The genetic algorithm is described in detail in the printed material J. Heistermann “Genetische Algorithmen”, published by Teubner, Stuttgart, 1994.
It is appropriate for the computer module to determine a target value for the power sharing to the rated load that should be covered as a whole over a pre-determined time interval as a command quantity for each power plant block.
In order to determine the command quantity for each power plant block with a particularly low calculation cost, the optimization module is finely optimized in addition to the coarse optimization stage connected to the neuron network, ie the optimization stage with low optimization accuracy. It is advantageous to include an optimization stage with high optimization accuracy.
In another advantageous configuration, the fine optimization stage is configured to perform an analytical process simulation. The process simulation can then take into account also the nonlinear correlation between the power output from the power plant block and the thermal power to be supplied in terms of efficiency.
In order to use the genetic algorithm particularly effectively in determining the command quantity, it is appropriate to provide another neuron network for generating starting values for the genetic algorithm. This takes into account the knowledge important to the facility and determines the input value for the genetic algorithm. In this way, even in the equipment state where the result of obtaining the command amount previously can be compared or in the equipment state deviating from the actual equipment state, it can be used to obtain the actual command amount. Thereby, the calculation time costs for determining the command quantity can be kept particularly small, and such a command system for power plant equipment is particularly flexible.
The advantage obtained by the present invention is that, in particular, high accuracy can be achieved by using a genetic algorithm to determine command quantities for components of the power plant equipment. In particular, the combination of genetic algorithm and process simulation makes it possible to determine the command quantity very accurately, reliably and quickly, i.e. with low computational costs. In that case, it is particularly suitable that the optimization module is divided into a coarse optimization stage and a fine optimization stage.
Embodiments of the present invention will be described in detail with reference to the drawings. The drawing provides an overview of the command system for power plant equipment.
A command system 1 shown in the drawing includes a computer module 2 connected to an interface 5 of an optimization module 6 via a data line 4. The optimization module 6 includes a coarse optimization stage 8 and a fine optimization stage 10 connected thereto via a conductor 9, both optimization stages being connected to the interface 5 via data lines 12, 14. Yes.
The computer module 2 is further connected via a data line 20 to a power plant block 25 of a power plant facility not shown in detail. Three of the power plant blocks are shown in the drawing. Each power plant block 25 is connected to a neuron network 32 associated therewith via a data line 30, which is connected to the coarse optimization stage 8 of the optimization module 6 via a data line 34. Has been. The computer module 2 is further connected to another neuron network 38 via a data line 36.
During operation of the power plant equipment, the power plant block 25 is controlled by supplying a target load value or a rated load value as a command amount F from the command system 1 to the power plant block 25 via the data line 20. . However, differently, the command amount F obtained from the command system 1 may be notified to the operator of the power plant equipment, and then manually transmitted to the power plant block 25 as the operation amount. In that case, the target load value is the basis of the secondary condition that their sum must be equal to the total load required by the customer. The target load value or rated load value of the power plant block may be power, thermal power and / or process steam. For economical operation of the power plant equipment, the power plant blocks 25 should be controlled so that their total fuel consumption is as small as possible.
The command amount F to be supplied to each power plant block 25 is obtained from the command system 1 by optimization using a genetic algorithm. At that time, the usage plan describing the open / closed state “ON” or “OFF” of each power plant block 25 as a function of the time interval is interpreted as individual. The planned time, for example, one day is divided into a plurality of time intervals, for example, time, and the rated load of each power plant block 25 is constant among them. The usage plan is analyzed in the form of a matrix in the computer module 2, the rows are associated with the power plant blocks 25, and the columns are associated with the time intervals.
The matrix of on / off circuits for each individual power plant block 25 serves as a usage plan-individual genetic code. The computer module 2 transmits the open / close state “ON” or “OFF” of each power plant block 25 to the optimization module 6 via the interface 5 for each time interval of the usage plan individual.
The optimization module 6 then determines a predetermined rated load split to the power plant block 25 with the open / closed state “entered” to provide the least thermal total power. For this purpose, in the coarse optimization stage 8, coarse optimization is first performed on the basis of an optimization algorithm known per se. In doing so, each neuron network 32 connected to the coarse optimization stage 8 simulates the behavior of the power plant block 25 associated therewith. The neuron architecture is based on a multilayer backpropagation perceptron. In addition, a measurement quantity M is supplied to each neuron network 32 via a data line 30 and this measurement quantity characterizes the actual state of the power plant block 25 associated therewith. Furthermore, the result of the previous simulation can also be taken into account by this neuron network 32.
The result GR of the rough optimization is transmitted to the fine optimization stage 10 via the data line 9. In the fine optimization stage 10, these results GR are finely optimized by analytical process simulations, in particular, such as power, remote thermal power, process vapor quality flow rate and thermal power to be supplied. Non-linear correlations between important process parameters are also considered. The result FR thus obtained in the form of instantaneous optimization is supplied to the interface 5 and is transmitted from there to the computer module 2.
The computer module 2 evaluates the fitness of the used plan individual according to the result FR for each time interval of the used plan individual, taking into account the correlation between adjacent time intervals in particular. To that end, for example, the heat output to be supplied to each power plant block 25 can be added over each time interval. In addition, the thermal power to be supplied in addition to the starting or stopping of the power plant block or to the efficiency loss is separately considered based on other ambient conditions. The standard method of the genetic algorithm is used during initialization of the usage plan population and when selecting the individual for recombination and when replacing the old generation with a new generation of independent. A sequence of iteration steps of the genetic algorithm is indicated by an arrow GA. For example, secondary conditions such as the total power to be supplied from the power plant equipment, i.e. the sum of the power to be supplied from the power plant block 25, are also taken into account.
The result of obtaining the command amount F for the power plant block 25 with respect to all power that can be determined in advance for the power plant equipment is further transmitted to the neuron network 38 via the data line 36 and stored therein. When a new command amount F for the power plant block 25 is newly obtained, this information is used to generate a particularly desirable starting value SW, and these starting values are used for initializing the genetic algorithm via the data line 36. To the computer module 2. Results obtained earlier in this manner are available, thus saving computation time.
Furthermore, the command amount F for each power plant block 25 in the command system 1 can be determined with a particularly low calculation cost, taking into account a large number of peripheral conditions. Only then can the command quantity F be determined in a short time so that the actual equipment state can be taken into account.

Claims (4)

複数の発電所ブロック（２５）を有する発電所設備に対する指令システムにおいて、ジェネティックアルゴリズムにより発電所ブロックまたは各発電所ブロック（２５）に対する指令量を求める計算機モジュール（２）と、各発電所ブロック（２５）に対応して設けられ発電所ブロックの挙動をシミュレートするニューロン回路網（３２）と、ニューロン回路網（３２）に接続された最適化モジュール（６）とを備え、最適化モジュール（６）はニューロン回路網（３２）に接続された最適化精度の低い粗最適化段（８）及び最適化精度の高い精最適化段（１０）を含むと共に計算機モジュール（２）と接続され、ニューロン回路網（３２）の出力は粗最適化段（８）により粗最適化され次いで精最適化段（１０）により精最適化されて計算機モジュール（２）に与えられ、計算機モジュール（２）のジェネティックアルゴリズムにより指令量（Ｆ）が各発電所ブロック（２５）に供給されることを特徴とする発電所設備に対する指令システム。In a command system for power plant equipment having a plurality of power plant blocks (25), a computer module (2) for obtaining a command amount for the power plant block or each power plant block (25) by a genetic algorithm, and each power plant block (25 ) And a neuron network (32) for simulating the behavior of the power plant block, and an optimization module (6) connected to the neuron network (32). The optimization module (6) Includes a coarse optimization stage (8) having a low optimization accuracy and a fine optimization stage (10) having a high optimization accuracy connected to the neuron network (32), and is connected to the computer module (2). The output of the network (32) is coarsely optimized by the coarse optimization stage (8) and then finely optimized by the fine optimization stage (10). Given module (2), the command system for power plant, which command amount by genetic algorithm of the computer module (2) (F) is characterized in that it is supplied to each power station block (25). 計算機モジュール（２）が各発電所ブロック（２５）に対する指令量（Ｆ）として、予め定め得る時間間隔に対し、全体としてカバーすべき定格負荷への電力分担に対する目標値を決定することを特徴とする請求項１記載の指令システム。The computer module (2) determines, as a command amount (F) for each power plant block (25), a target value for power sharing to a rated load that should be covered as a whole for a predetermined time interval. The command system according to claim 1. 最適化精度の高い精最適化段（１０）が解析的なプロセスシミュレーションを実行するために構成されていることを特徴とする請求項１記載の指令システム。 2. A command system according to claim 1, characterized in that the fine optimization stage (10) with high optimization accuracy is configured to perform an analytical process simulation. ジェネティックアルゴリズムに対する出発値（ＳＷ）を生じさせるためのニューロン回路網（３８）が設けられていることを特徴とする請求項１ないし３のいずれか１つに記載の指令システム。4. The command system according to claim 1, wherein a neuron network (38) is provided for generating a starting value (SW) for the genetic algorithm.
JP50404696A 1994-07-08 1995-07-07 Command system for power plant equipment Expired - Fee Related JP3696245B2 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE4423897.5 1994-07-08
DE4423897 1994-07-08
PCT/DE1995/000875 WO1996002025A1 (en) 1994-07-08 1995-07-07 Guide system for a power station

Publications (2)

Publication Number Publication Date
JPH10502476A JPH10502476A (en) 1998-03-03
JP3696245B2 true JP3696245B2 (en) 2005-09-14

Family

ID=6522509

Family Applications (1)

Application Number Title Priority Date Filing Date
JP50404696A Expired - Fee Related JP3696245B2 (en) 1994-07-08 1995-07-07 Command system for power plant equipment

Country Status (10)

Country Link
US (1) US5809488A (en)
EP (1) EP0770232B1 (en)
JP (1) JP3696245B2 (en)
KR (1) KR100378631B1 (en)
CN (1) CN1101952C (en)
AT (1) ATE164460T1 (en)
DE (1) DE59501727D1 (en)
ES (1) ES2114747T3 (en)
RU (1) RU2138840C1 (en)
WO (1) WO1996002025A1 (en)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT404885B (en) * 1995-09-22 1999-03-25 Landis & Gyr Leit Und Fernwirk METHOD FOR DETERMINING PERFORMANCE AND FOR OPTIMIZING THE USE OF POWER PLANTS OF A SLEEPING CHAIN
ZA975479B (en) * 1996-06-21 1999-03-23 Siemens Ag Method and system for commissioning industrial plants in particular in the basic materials industry
JP3548672B2 (en) * 1997-06-30 2004-07-28 株式会社東芝 Control unit for district heat supply plant
JPH11327606A (en) 1998-05-14 1999-11-26 Yamaha Motor Co Ltd Integrated control system
JP2003526855A (en) * 2000-03-09 2003-09-09 エスティーマイクロエレクトロニクスエス．アール．エル． Method and hardware architecture for controlling processes or processing data based on quantum soft computing
US20030182250A1 (en) * 2002-03-19 2003-09-25 Mohammad Shihidehpour Technique for forecasting market pricing of electricity
RU2270469C2 (en) 2004-03-11 2006-02-20 Олег Алексеевич Суханов System for controlling modes of electric energy based systems
WO2009055967A1 (en) * 2007-10-31 2009-05-07 Honeywell International Inc. Real-time model validation
CN102177476B (en) * 2008-06-16 2016-09-21 西门子公司 The method that equipment in electric power factory equipment controls
RU2454770C1 (en) * 2008-07-21 2012-06-27 Абб Рисерч Лтд Automation system of feed lines and method of its operation
CA2708578C (en) * 2009-02-11 2014-10-14 Accenture Global Services Gmbh Method and system for reducing feeder circuit loss using demand response
WO2010136054A1 (en) * 2009-05-29 2010-12-02 Siemens Aktiengesellschaft Power distribution
US9020800B2 (en) * 2011-06-20 2015-04-28 The Aes Corporation Method and apparatus for controlling energy services based on market data
GB201900477D0 (en) 2019-01-14 2019-02-27 Rolls Royce Plc Optimisation method

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05143757A (en) * 1991-11-22 1993-06-11 Omron Corp Method and device for learning neural network
DE4200260A1 (en) * 1992-01-08 1993-07-22 Dieter W Dr Ing Vetterkind Process evolution computer for physical and technological process modelling - uses meta-cellular automats to run model processes as basis for deriving system characteristics and operator action recommendations
JPH06195322A (en) * 1992-10-29 1994-07-15 Hitachi Ltd Information processor used as general purpose neurocomputer

Also Published As

Publication number Publication date
CN1151217A (en) 1997-06-04
KR100378631B1 (en) 2003-05-22
RU2138840C1 (en) 1999-09-27
EP0770232B1 (en) 1998-03-25
JPH10502476A (en) 1998-03-03
CN1101952C (en) 2003-02-19
ATE164460T1 (en) 1998-04-15
ES2114747T3 (en) 1998-06-01
DE59501727D1 (en) 1998-04-30
US5809488A (en) 1998-09-15
WO1996002025A1 (en) 1996-01-25
EP0770232A1 (en) 1997-05-02

Similar Documents

Publication Publication Date Title
JP3696245B2 (en) Command system for power plant equipment
Lapa et al. A model for preventive maintenance planning by genetic algorithms based in cost and reliability
US7489989B2 (en) System for dispatching and controlling of generation in large-scale electric power systems
EP1717736A2 (en) Method and system for performing multi-objective predictive modeling, monitoring, and update for an asset
KR20170024086A (en) Method for computer-aided plant control optimisation using a simulation module
WO2005054968A1 (en) Intelligent system for detection of process status, process fault and preventive maintenance
Moradzadeh et al. A secure federated deep learning-based approach for heating load demand forecasting in building environment
Yang et al. Simulation-based transfer function modeling for transient analysis of general queueing systems
Georgopoulou et al. Metamodel-assisted evolutionary algorithms for the unit commitment problem with probabilistic outages
Andrews et al. Dynamic and dependent tree theory (D2T2): A framework for the analysis of fault trees with dependent basic events
CN106919984A (en) Parallel system Repairable Unit repair determining method based on cost
Hilber et al. Monetary importance of component reliability in electrical networks for maintenance optimization
JP5242355B2 (en) Electric heat cogeneration energy system
KR102229209B1 (en) Apparatus and method for power demand forecasting
Wang et al. Technology portfolio adoption considering capacity planning under demand and technology uncertainty
CN112016239A (en) Method for rapidly solving system reliability based on dynamic Bayesian network
Barcelo et al. Control area performance improvement by extended security constrained economic dispatch
KR101983806B1 (en) Method for providing transmission loss factor of reference point, modeling method of system data of the reference point and apparatus thereof
Ehlhardt et al. Real‐Time Optimization Using Machine Learning Models Applied to the 4, 4′‐Diphenylmethane Diisocyanate Production Process
JPH07227040A (en) Device for monitoring reliability of electric power system
JPH11126102A (en) Predictive method for demand of gas
Chebbo et al. Application of genetic algorithms to transmission planning
US20240112105A1 (en) Work order generation for power generation system
JPH0565807A (en) Control device for cogeneration system
JP2019109638A (en) Power demand prediction apparatus and power demand prediction method

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20040928

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20041224

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20050214

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050325

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20050531

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20050629

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090708

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100708

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100708

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110708

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120708

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130708

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees